| 开课平台 | 爱课程（中国大学MOOC） |
|---|---|
| 开课高校 | 南京信息职业技术学院 |
| 开课教师 | 何淼、顾海花、张玲、杜璐、张泽 |
| 学科专业 |
| 开课时间 | 2025/03/20 - 2026/03/01 |
|---|---|
| 课程周期 | 50 周 |
| 开课状态 | 开课中 |
| 每周学时 | - |
各行各业是人工智能落地的广阔天地，让各行各业人员深入了解AI与其行业结合的1+1>2效应，可有力帮助各行各业人员更好拥抱AI技术。
本课程定位于大专院校在校生、行企社会人员开展结合行业背景的人工智能应用通识学习，是一门介于人工智能专业导论和人工智能社会科普之间的AI通识基础课。通过本课程学习可实现：
1、熟悉AI基本通识知识：通过学习AI基础理论知识，熟悉AI基本概念、术语、定义，对AI产业发展现状有基本认知。
2、了解AI在产业中的应用：通过学习AI在各专业领域中典型应用，理解AI技术与本专业领域交叉结合的各种方式和产生效果，激发对本专业与AI结合性思维。并在了解所处专业在AI助力下产生的行业生态、技术升级、职业演变、岗位变迁情况，形成正确、前瞻性的职业生涯认知和规划。
3、初步具备AI开发能力：熟练掌握AI常用主流开发工具和环境搭建方法，能复现一个典型AI在所处专业领域应用案例。
为了实现以上教学目标，本课程将全课内容精心设计为三部分，分别对应以上三个教学目标，并且选择6个典型人工智能应用工业领域作为示范性阐述，并对这6个行业中AI典型应用场景分别举了一个实例作为入门实战，从课程知识前后递进既兼顾了AI基础理论通识，有紧密结合行业AI应用场景示例与实战，其中行业场景介绍和实战案例前后行业连续对应，适合不同行业学者学习和领会。同时，对初学者由浅入深，循序渐进，且其难易程度可有学者自行决定，使本课程受众面更广。
相关职业类证书：国家计算机等级证书、计算机技术与软件专业技术资格（水平）考试初级系列证书、数梦、华为、新华三等知名IT企业证书。
课程教材使用：何淼，《人工智能应用素养》，西安电子科技大学出版社。
参考资料：聂明，《人工智能技术应用导论》，电子工业出版社。
1.1 人工智能的基本概念
1.2 人工智能技术的实现
1.3 人工智能技术的现状以及未来
1.4 本章小结
1.5 思考题
人工智能应用生态概述——人工智能产业生态
2.1 人工智能四要素
2.2 人工智能的算法
2.3 人工智能的算力
2.4 人工智能的算据
2.5 本章小结
2.6 思考题
人工智能技术学业向导
3.1 人工智能技术应用专业学业向导
3.2 人工智能复合型人才学业向导
3.3 本章小结
3.4 思考题
人工智能在电子信息领域应用
4.1 人工智能在芯片设计以及制造方向的应用
4.2 人工智能在电子电路设计制造方向的应用
4.3 人工智能在电力电子方向上的应用
4.4 人工智能在遥控无人机中的应用
4.5 人工智能在未来电子信息领域应用的展望
4.6 本章小结
4.7 思考题
人工智能在通信技术领域应用
5.1 人工智能对通信业的影响
5.2 人工智能在通信业应用现状
5.3 典型通信技术人工智能应用场景
5.4 人工智能助力下通信领域面临问题与展望
5.5 本章小结
5.6 思考题
人工智能在智能制造领域应用
6.1 人工智能对制造业的影响
6.2 人工智能下制造业产业链
6.3 典型智能制造人工智能应用场景
6.4 人工智能助力下制造业领域面临问题与展望
6.5 本章小结
6.6 思考题
人工智能在电子商务领域应用
7.1 人工智能对电子商务的影响
7.2 人工智能催生商务领域新模式、新岗位
7.3 典型商务领域人工智能应用场景
7.4 人工智能助力下商务领域面临问题与展望
7.5 本章小结
7.6 思考题
工智能在艺术设计领域应用
8.1 传统艺术设计技术发展趋势
8.2 人工智能对艺术设计的影响
8.3 艺术设计典型场景介绍
8.4 人工智能时代下艺术设计产业的机遇与挑战
8.5 本章小结
8.6 思考题
人工智能在智能交通领域应用
9.1 人工智能对交通产业的影响
9.2 人工智能下交通产业链
9.3 典型交通领域人工智能应用场景
9.4 人工智能助力下交通领域面临问题与展望
9.5 本章小结
9.6 思考题
人工智能应用开发平台组建
10.1 常用开发环境
10.2 部署python开发环境
10.3 PyCharm安装与使用
10.4 本章小结
10.5 思考题
电子信息领域AI应用——光伏发电量预测实战
11.1 光伏电站发电量预测案例背景
11.2 案例实现总体框架流程
11.3 案例环境准备
11.4 案例数据准备
11.5 模型创建
11.6 模型调优
11.7 发电量预测与导出
11.8 本章小结
11.9 思考题
网络通信领域AI应用——网络流量异常检测实战
12.1 网络流量异常检测业务背景
12.2 数据集
12.3 Python数据预处理
12.4 KNN实现入侵检测算法实现
12.5 本章小结
12.6 思考题
智能制造领域AI应用——智能分拣实战
13.1 智能分拣需求业务背景
13.2 视觉分拣系统设计
13.3 品类分类算法—基于卷积神经网络的图像分类算法
13.4 数据集准备
13.5 数据集准备
13.6 基于迁移学习改进
13.7 本章小结
13.8 思考题
数字商务领域AI应用——电影推荐实战
14.1 电影推荐需求业务背景
14.2 电影推荐案例实现总体框架流程
14.3 案例数据准备
14.4 训练参数优化
14.5 模型训练
14.6 评估训练模型
14.7 训练模型使用
14.8 本章小结
14.9 思考题
数字艺术领域AI应用——绘画风格迁移实战
15.1 绘画风格迁移产业背景
15.2 绘画风格迁移的技术方案
15.3 项目相关知识基础
15.4 特征提取
15.5 训练生成图像
15.6 输出结果
15.7 本章小结
15.8 思考题
智能交通领域AI应用——小车自动驾驶实战
16.1 自动驾驶产业背景
16.2 智能车系统设计
16.3 标志物识别算法—YOLO算法简介
16.4 数据标注—利用标注数据集
16.5 数据集格式转换和划分
16.6 训练YOLOv5模型
16.7 已训练模型推理及评估训练结果
16.8 拓展任务：YOLOv5检测显示中文标签
16.9 本章小结
16.10 思考题